如何在R中计算活动监测数据状态切换前的持续时长及周期均值

首先补全可直接运行的示例数据构造代码，后续计算基于tidyverse+data.table工具链实现，核心用rleid()函数识别连续相同的状态分组：

# 加载依赖包
library(tidyverse)
library(data.table)

# 构造示例数据
timeofday<-c("8:00","8:05","8:10","8:20","8:25")
activity<-c(1250,1650,200,100,40)
state<-c("awake","awake","sleep","sleep","sleep")
df <- tibble(timeofday,state,activity)

1. 计算连续状态周期时长 #

# 先把时间转为标准时间格式，避免后续计算出错
df <- df %>%
  mutate(timeofday = as.POSIXct(timeofday, format = "%H:%M"))

# 生成连续状态分组，计算每个周期的起止时间和总时长
df_period <- df %>%
  # 为连续相同的state生成唯一分组ID
  mutate(period_id = rleid(state)) %>%
  group_by(period_id, state) %>%
  summarise(
    # 周期开始时间（第一个时段的起始点）
    start_time = format(first(timeofday), "%H:%M"),
    # 周期结束时间（最后一个时段的结束点，每个时段5分钟所以加5分钟）
    end_time = format(last(timeofday) + 5*60, "%H:%M"),
    # 周期总时长，单位：分钟
    duration_mins = n() * 5,
    .groups = "drop"
  )

运行后得到的结果如下，完全匹配需求示例：

2. 统计不同状态的平均周期时长 #

基于上面得到的周期表直接分组聚合即可：

df_avg <- df_period %>%
  group_by(state) %>%
  summarise(
    # 对应状态的周期总数量
    period_count = n(),
    # 平均周期时长，单位：分钟
    avg_duration_mins = mean(duration_mins)
  )

内容的提问来源于stack exchange，提问作者mferrans98